一种基于监督学习的分布式MIMO雷达目标定位性能计算方法技术

该方法公开了一种基于监督学习的分布式MIMO雷达目标定位性能计算方法，属于信号处理技术领域。利用本发明专利技术方法可以基于样本集先验统计特性，得到利用全连接神经网络实现分布式MIMO雷达目标定位任务的MSE性能界。依据此性能界，可以实现对神经网络拓扑结构的优化，使得其性能接近于基于传统方法的性能界。得其性能接近于基于传统方法的性能界。得其性能接近于基于传统方法的性能界。

【技术实现步骤摘要】
一种基于监督学习的分布式MIMO雷达目标定位性能计算方法


[0001]本专利技术属于信号处理
，它特别涉及用监督学习的方法对目标进行定位的性能分析，适用于分布式MIMO雷达目标定位问题。

技术介绍

[0002]多输入多输出(Multiple Input Multiple Out，简称MIMO)雷达是一种能够适应复杂环境的新型雷达，它的基本思想是将多个发射天线和接收天线布置在不同的空间位置，每个发射天线发射不同波形的信号，接收天线接收到回波信号将其传递到处理中心进行联合处理。分置天线MIMO雷达除了在波形增益方面具备优势外，还拥有传统雷达不具备的空间分集增益，并在缓解衰落、提升分辨率、抑制干扰以及反隐身等方面具有巨大潜力，可以显著提高雷达的目标定位性能。
[0003]对于如目标定位等参数估计问题，一般采用极大似然估计等传统方法。克拉美罗界(Cramer
‑
Rao Bound，简称CRB)为基于传统方法的无偏估计量的方差确定了一个下限，即无偏估计量的方差只能无限制的逼近CRB，而不会小于CRB。在雷达参数估计领域，C本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于监督学习的分布式MIMO雷达目标定位性能计算方法，该方法包括：步骤1：设分置天线MIMO雷达，具有M个单天线发射机和N个单天线接收机，且场景中存在一个位置未知的静止目标；在接收端，所有NM条收发路径对应的接收信号为：为：v
nm
＝[v
nm
[1],v
nm
[2],...,v
nm
[K]]
T
＝ξ
nm
u
nm
+q
nm
u
nm
＝[u
nm
[1],...,u
nm
[K]]
T
q
nm
＝[q
nm
[1],...,q
nm
[K]]
TTTT
在二维笛卡尔坐标系中，第m个发射机的位置为(x
tm
,y
tm
)，其中m＝1,2,...,M，第n个接收机的位置为(x
rn
,y
rn
)，其中n＝1,2,...,N，假设静止的目标位置为ω＝[x,y]
T
，是待估计的参数；假设发射机的发射信号之间是正交的，并且经历不同的时延后也大约是正交的；第m个发射机的发射信号s
m
(t)在kT
s
时刻的采样值为其中k＝1,2,...,K表示采样数字，T
s
表示采样时间间隔，E表示所有发射机总的发射信号能量，在这里假设每个发射机发射的信号能量是相同的，那么表示单个发射机的发射信号能量；假设发射信号的波形被归一化为ξ
nm
表示对应第nm条收发路径的复反射系数，在观测区间内是常数，并且是确定未知的；q
nm
[k]表示对应第nm条收发路径在kT
s
时刻的噪声；τ
nm
表示第nm条收发路径对应的时延，d
tm
表示目标和第m个发射机的距离，d
rn
表示目标和第n个接收机的距离，c表示光速；v
nm
表示第nm条收发路径对应的接收信号，v
n
表示第n个接收机接收到的信号；E{
·
}为取均值，表示对q
nm
[k]取共轭，表示噪声的方差，δ[
·
]为单位冲激函数；步骤2：计算联合估计时延τ
nm
和反射系数ξ
nm
的CRB；
假设τ
nm
的极大似然估计值为定义所有未知参数向量为ω
non,nm
＝[τ
nm
,ξ
Rnm
,ξ
Inm
]
T
其中ξ
Rnm
和ξ
Inm
分别表示ξ
nm
的实部和虚部；根据公式其中其中其中其中Re{
·
}表示取实部，上标H表示取共轭转置，计算ω
non,nm
对应的Fisher信息矩阵J(ω
non,nm
)，那么J
‑1(ω
non,nm
)第一行第一列元素就是τ
nm
的CRB，即在理想情况下，渐进服从均值为τ
nm
，方差为的高斯分布，即对于第n个接收机，时延估计向量的概率分布为其中所有NM条收发路径的时延估计向量的概率分布为τ
ML
～N(τ,CRB
τ
)其中步骤3：计算对x和y两个维度坐标进行估计的平均MSE界ACRB；步骤4：采用全连接神经网络方法，构建网络拓扑结构并给出样本集的先验统计特性；神经网络包括一个输入层、L个隐藏层和一个输出层；输入层由Y0个节点构成，第l个隐藏层由Y
l
个节点构成，其中l＝1,2,...,L，输出层由Y
L+1
个节点构成；输出层采用线性输出，其它层采用ReLU作为非线性激活函数；样本集由训练样本集和测试样本集构成；假设给定由Z个样本构成的训练样本集为
其中r
0,z
和θ
z
分别表示第z个样本对应的输入和标签，z＝1,2,...,Z；假设对于第z个样本的第y0个输入特征存在服从均值为零方差为高斯分布的噪声或者误差，且不同的输入特征之间是相互独立的；除此之外，假设各个样本是相互独立的，且从样本集中获取每个样本的概率是相同的，即都是1/Z；同理得到测试样本集其中Z
test
表示测试样本集的样本数；考虑利用全连接神...

【专利技术属性】
技术研发人员：何茜，纪瑞明，叶沙兵，
申请(专利权)人：电子科技大学，
类型：发明
国别省市：